Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation
Inggih Permana, Febi Nur Salisah
Abstract
Keberhasilan Algoritma Backpropagation (BP) tergantung pada kualitas data. Sehingga, normalisasi data merupakan proses yang penting. Akan tetapi, beberapa penelitian juga ada yang tidak menggunakan normalisasi data. Oleh sebab itu, penelitian ini mengukur pengaruh normalisasi data terhadap performa hasil klasifikasi Algoritma Backpropagation. Agar diketahui apakah normalisasi benar-benar bisa meningkatkan performa hasil klasifikasi pada Algoritma BP. Penelitian ini menggunakan tiga metode normalisasi data, yaitu: MinMax Normalization; MaxAbs Normalization; dan Z-Score Normalization. Berdasarkan hasil percobaan didapat bahwa jika data yang digunakan terdapat perbedaan rentang nilai antar atribut yang tidak berbeda jauh, maka BP tanpa normalisasi data bisa menjadi pilihan terbaik. Akan tetapi jika pada data terdapat atribut yang memiliki perbedaan rentang nilai yang jauh dari atribut lainnya, maka menggunakan normalisasi data bisa menjadi pilihan terbaik. Berdasarkan hasil percobaan juga didapat bahwa Z-Score Normalization merupakan metode normalisasi terbaik.